关于信念系统的图论模型：置信度、可信度与结构一致性
人工智能
2025-08-06 v1
摘要
信念系统常被视为命题集合或标量概率分布的全局一致集合。此类表征方式往往掩盖信念的内部结构，混合了外部可信度与内部一致性，并不利于建模碎片化或矛盾的认知状态。本文引入一种最小化 formalism，将信念系统建模为有向加权图。在该框架中，节点代表 individual 信念，边编码认知关系（如支持或矛盾），两个独立函数为每个信念赋予可信度（反映信息源可信度）和置信度（源自内部结构支持）。不同于经典概率模型，本方法不假设先验一致性或要求信念更新。不同于逻辑或论证基础框架，本方法支持细粒度结构表征，无需承诺二元正当化状态或演绎闭合。该模型纯静态设计，刻意排除推理或修订程序。其目标是为分析信念系统的内部组织提供基础性基质，包括一致性条件、认知张力与表征限制。通过区分信念结构与信念强度，该 formalism 使本文能比现有概率、逻辑或论证方法更丰富地分类认知状态。
引用
@article{arxiv.2508.03465,
title = {Toward a Graph-Theoretic Model of Belief: Confidence, Credibility, and Structural Coherence},
author = {Saleh Nikooroo},
journal= {arXiv preprint arXiv:2508.03465},
year = {2025}
}